1.多模态感知与SLAM：开发与优化基于多传感器（相机、LiDAR、IMU等）的SLAM、目标检测、分割、3D场景重建技术，为机器人构建精确、鲁棒的环境认知能力。 2.视觉语言交互与任务规划：探索并实现Visual Language Action (VLA) 与Visual Language Navigation (VLN) 等前沿技术，使机器人能理解自然语言指令，并分解为可执行的动作序列。 3.大模型与决策系统：研究并将多模态大模型技术应用于机器人任务规划、场景问答与人机交互，提升机器人的认知与决策智能。 4.系统集成与验证：在ROS 2系统中集成感知与决策模块，并与控制、运动团队协同，在仿真（Isaac Gym, Gazebo）和真实机器人平台上进行端到端的测试与部署。